tensorflow中的conv2有padding=‘SAME'這個參數(shù)。吳恩達講課中說到當padding=(f-1)/2（f為卷積核大?。r則是SAME策略。但是這個沒有考慮到空洞卷積的情況，也沒有考慮到strides的情況。

查閱資料后發(fā)現(xiàn)網(wǎng)上方法比較麻煩。

手算，實驗了一個早上，終于初步解決了問題。

分為兩步：

填充多少

中文文檔中有計算公式：

輸入：

輸出：

因為卷積后圖片大小同卷積前，所以這里W_out=W_in, H_out=H_in。解一元一次方程即可。結(jié)果取ceil。

怎么填充

torch是先填充再卷積。conv2d的策略如此。所以我先在forward中獲取上述方程需要的參數(shù)。然后使用torch.nn.functional.pad填充就好了。

然后

t2=torch.randn([1,1,4,4])
print(t2.size())
m1 = torch.nn.Conv2d(1, 1, 1, padding=(1,0))
print(m1(t2).size()）
t2=F.pad(t2,(0,0,1,1))
print(t2.size())

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機、免備案服務(wù)器”等云主機租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。